文/谌鹏（中国移动广东深圳分公司团委书记）一.引言及文献综述企业IPO价格行为是指首次公开发行（IPO）股票价格的变化过程，这个过程以上市日为界分成两个阶段，一个是从发行价格到上市价格的变化，为初始收益；一个是IPO后的价格变化，称之为后市变现。部分研究已经表明，IPO的长期后市表现往往会差于市场或同类非新股票的表现，该现象称之为IPO的长期弱势。对于股票估值和后市的研究，过去主要侧重于解释该现象在整个股票市场出现的原因，行业内的差异研究却往往被忽视。 本文将重点关注TMT（Technology，Media，Telecom）和互联网企业的估值和后市表现，主要因为这些企业的“软实力”对企业发展有着独特的重要性，从而投资者对该行业上市企业的关注将不仅限于他们的财务指标，非财务指标对他们的估值和后市表现也产生着重要的意义。 首先，本文会先找出影响TMT和互联网企业估值的非财务指标，而非财务指标在企业价值研究中经常被忽视，但随着对股票估值的准确性要求不断提高，该领域逐渐开始得到重视。国外方面，Klein（1996）等人发现，出现管理层收购时，在IPO前管理层留有大部分股份的企业，其股票估值会要更高[1]。在研究高新技术产业方面，Rajgopal（2002）等人研究了美国互联网企业的IPO，发现网络优势好的互联网企业会有更高的估值[2]。在国内研究方面，蒋国云和薛斐（2005）曾把公司治理指标引入上市企业的估值中，发现公司治理结构显著影响企业的股价水平[3]；李曜和张子炜（2011）发现私募股权和天使资本对在创业板上市的企业产生不同的估值影响[4]。可见非财务指标对企业的价值影响是存在的，显著的，对他们的研究是对财务指标研究的一种补充。 其次，研究股票的IPO后的后市表现，现在主流的研究方向在证明IPO后的长期弱势，Loughran和Ritter（1995）研究了美国在1970-1990年IPO的企业后5年的股市表现，发现他们长期表现差于那么非IPO的企业[5]；Brav和Gompers（1997）研究了美国900多个公司的后市表现，发现拥有风险资本入股的企业后市表现更优[6]。国内方面，江洪波（2007）认为IPO的定价非有效造就了后市表现异常的现象，从而违背有效市场假说[7]，王春峰和罗建春（2002）以我国1997年-1998年上市的A股企业为样本，通过超额累计收益率对比发现，这些企业在在IPO后的三年内的股市表现都弱于市场[8]，丁松良（2003）也得到相似的结论[9]。但是后市表现研究的侧重点在IPO企业和非IPO企业的比较，而且几乎一致性认为具有长期弱势，并没有挖掘IPO企业分行业下的后市价值。为了让研究更具现实指导意义，本文主要找出对TMT和互联网企业后市表现具有区分效果的非财务指标。 二.产业分层以及非财务指标选取TMT和互联网行业是一个较为特殊的行业，其价值的评定不能通过简单的财务指标，如科研、规模等非财务指标也能对其价值产生影响。本文的研究思路主要为，首先对行业内企业划分层级，在实证基础上找出影响这些企业估值的非财务指标，然后在这些非财务指标的指导下，分析该行业的IPO企业的后市表现。 （一）TMT和互联网产业分类首先，OSI（open system interconnect）协议作为通信领域内应用最广泛的协议框架，为通信、电子和互联网系统的产业链分层研究提供了一种功能结构的框架。OSI协议从低到高分为七层：物理层、数据链路层、网络层、传输层、会话层、表示层和应用层，层和层之间是一种不可逆转的递进关系。OSI协议提供的基本模型构成了所有通信系统的“原规则”， 在通信协议基础上运行的设备以及其各层系统也完全是按照OSI协议来呈现其特点的。基于此，引入OSI七层协议的框架用于TMT和互联网行业的产业分析是可行的。 表1 OSI协议层级结构之间的关系 在现代TMT和互联网产业，基于OSI协议七层的框架，每层都有相关的产业对其进行支持和服务，因而服务于OSI协议的不同层级决定了该设备或系统所处的产业链位置。从OSI框架下衍生出来的产业链可以分为三个层级——基础网络运营层，服务基础承载层以及互联网和服务运营层，本文将基于这三个层级把TMT和互联网行业的企业进行分层归类。 第一层级为基础网络运营层，主要包含网络基础设备制造商等；第二层级为服务基础承载层，主要包含网络平台的运营商和终端设备（含操作系统）制造商等；第三层级为互联网和服务运营层，主要包含网络基础接入服务商、网络聚合社交服务商等。每个层级有着其独特的产业链位置，通过分层实证可以筛选出共同和独特的非财务影响指标，对TMT和互联网行业的估值和后市表现是具有指导意义的。 （二）非财务指标的选取依据对TMT和互联网企业进行归类分层后，下一步就是选择非财务指标。本文在参考以往文献研究的基础上，选取非财务指标如下： 家族企业指标：家族企业这一企业性质是中国上市企业中比较普遍的特性，家族企业一般权力相对集中，股权结构也相对集中，决策更具保守性，对于TMT行业的高科技企业来说，这一特质对企业的创新产品研发和企业营销网络的构建都会产生一定的影响。在本文的模型中，有家族式企业性质的企业被赋值为1，没有家族式企业性质的企业被赋值为0。 风险资本入股指标：Megginson和Weiss（1991）认为有风险投资家参与的企业其市场估值将会受到影响[10]，李曜和张子炜（2011）用国内的创业板的数据实证了这点，发现天使资本能提高企业的估值，而私募股权则不行。而在本文的分析框架中，也选取风险资本入股这一指标进行分析，但不区分风险资本类型。对于企业有风险资本支持的赋值为1，其余赋值为0。 科研人员比例与科研开发支出占比：科研能力和创新能力是高科技行业企业是否能够不断开发创新型产品并开拓市场的关键因素，本文主要从招股说明书中搜集了其上市前的科研人员比例与科研开发支出两个指标作为主要分析依据。 知识产权数：TMT和互联网行业的企业知识产权尤为重要，它们是该行业企业最优价值的无形资产之一，能为企业创造长期的利润，从而影响其股票表现。知识产权数、科研人员比例和科研开发支出占比视为企业的科研指标。 子企业数目：子企业数目能表现一个企业的规模形式，子企业较多的企业可能会有规模经济效应。规模经济效应会使企业的研发费用有所下降，本文主要以子企业数目来作为企业的规模指标。 主营业务比例：主营占比可以看出一个企业在一个经营领域的专注程度，换言之给投资者的信息就是该企业倾向于多元化经营模式还是单一化经营模式。本文选取样本企业的第一主营业务占比作为变量进行分析，以此为企业的经营模式指标。 三.TMT和互联网企业估值的实证分析（一）数据来源和处理研究TMT和互联网企业的估值与后市表现，为了区别于估值和后市表现的期间，本文使用企业的IPO首发价来表示股票的价值。为了消除大市对其价格的影响，把首发价格“归一化”，每个企业首发价格都除以当天的行业指数（行业指数选取复权申万行业指数，数据来源为wind数据库），并对该数值乘以100，获得相对首发价格（c_price），以此作为本文模型的解释变量。 由于企业估值都是从财务指标出发的，如果完全脱离财务指标进行建模，即使本文的实证结果显著，那么其回归也有可能是“伪回归”。参考过去文献，估值的最常用的财务指标为ROE（X6），故本文的模型以ROE这个财务指标为基准进行扩展。 另一方面，为了研究非财务指标对这些TMT企业价值的影响，在上部分已经说明挑选7个非财务指标的原因，这些指标包含科研人员比例（X1）、科研开发支出占总收入比例（X2），企业拥有的知识产权数量（X3）、企业拥有的子企业数（X4）以及企业的主营业务占比（X5），以及两个虚拟变量，是否为家族企业（fam）以及是否有风险资本入股（risk）。 本文选取的企业上市期间为2000年1月1日至2012年6月，样本企业共有159家。所有指标均选取IPO前一年的数据为准，ROE来源为Wind数据库，非财务指标由其招股说明书的具体内容搜集整理而成。对数据进行处理，把科研人员比例、科研开发支出占比、企业主营业务占比小于0大于1的企业个体删掉，最后剩下的样本数为108个。 （二）实证模型由于王月溪（2010）所使用的多因素估值模型在我国A股有较好的适用性且修正简便[11]，而本文要研究非财务指标对上市企业首发价格的影响，故可以参照该估值模型修正如下： 但由于变量过多，为了避免出现多重性，影响回归的可信性，故本文采用的主成分分析法进行模型简化以及变量降维。由于变量是否为家族企业（fam）以及是否有风险资本入股（risk）为两个虚拟变量，放进主成分变量反而会增加解释难度，故只对剩下的六个变量进行主成分构造。 变量X1至X6由于量纲不齐，所以先对他们进行标准化，然后再进行主成分估计，获得下表结果。当主成分到达第四个时，方差贡献已经达到85%，按照习惯的做法，当方差累计贡献率超过80%，就可以把后面的主成分进行剔除；也就是说，第五和第六个主成分已经无关紧要。 通过主成分分析对变量进行降维，本文从原来的6个变量转换成现在的4个特征向量，其中这4个特征向量已经包含了原来6个变量的绝大部分信息。然后，前4个主成分通过载荷矩阵旋转，可以用表达式表示如下： 主成分1： 主成分2： 主成分3： 主成分4： 从而本文的多因素模型可以调整为如下： （三）实证结果代入数据，然后按照上面的层级分类方法，把108个企业样本数据分成三组，然后对不同层级的企业群数据进行相同模型的实证，结果下表所示。 注：*、**、***分别表示在0.1、0.05、0.01范围内显著，系数下方括号内数值为t值。 在把各主成分的显著变量进行分解，可以获得下面表格，表格里面的每个系数代表了指标对每个层级企业估值的影响程度。
从各个非财务指标对各层级企业的影响程度可以看到，三个科研指标——科研人员比例、科研开发支出占比和知识产权数对各个层级公司虽然有显著影响，但是影响程度并不大，除了对第一层级的企业，而且对这些企业的估值影响是产生负效应的。 子企业数这个规模指标对各层级企业的估值影响都是负效应的，预示着投资者对该行业的各层级企业规模都不希望过大，子企业越多，规模越大，投资者反而会对该企业估值下降。 主营业务比例指标反映一个企业的经营模式是单一化还是多元化，从结果来看，对第二、三层级的影响并不大；对第一层级影响最大，且是负效应的，反映市场希望该行业的企业更业务更集中一点。 家族企业指标只对第一、二层级显著，风险资本入股指标只对第三层级显著，从这里可以看出对于第一、二层级，投资者更倾向于对家族性质的企业高估值。而对于第三层级，市场则厌恶有风险投资者的加入，这个和李曜和张子炜（2011）的结果有一定的相似。 总结起来，本文选取的7个非财务指标中，除了家族企业指标和风险资本入股指标有着层级特性外，其他都能对TMT和互联网企业的估值产生显著影响。从这个结论出发，再继续深入研究这些企业IPO后的表现。 四.TMT和互联网企业的后市表现本部分主要研究TMT和互联网企业的IPO后的表现，找出非财务指标对其产生的差异性影响。后市表现参考丁松良（2003）所用的持有至出售的超额收益率BHAR（buy-and-hold abnormal return）模型，此模型主要用于表现企业相对于行业市场的相对收益，其计算方法如下：
其中，上市首月t值设定为1，min[37, delist]代表37个月、上市到退市以及已上市月份的最小值，rit代表上市企业i在统计方法中的第t个月的月度收益率，mrit在时间上与之相对应的市场月度收益率。对于中国市场，受限于指数存续期间的有效性，本文采取申万行业指数的月度收益率作为相应的市场月度收益率。 首先对上一部分的回归的108个样本进行数据散点图后，排除有异常结果的华胜天成、易华录、航天信息、川大智胜四家企业，最后剩下104个样本。由于实证知道，除了家族企业指标和风险资本入股指标对企业的估值产生层级性差异影响外，其他都是能对企业产生显著影响的。所以，下文分析家族企业指标研究对象为第一、二层级，风险资本入股指标的研究对象为第三层级企业而言，其他非财务指标则对于所有该行业企业而言。 根据各个非财务指标的区分，计算各组的BHAR均值，获得下表：
通过这个实证的结果可以总结为，第一，行业后市表现——BHAR的均值为0.12，可以得到TMT和互联网企业的平均后市表现是好于市场的，和主流的研究结果相反，这一定程度上反映了分行业研究的必要性；第二，在家族企业指标（仅限于第一、二层级的企业）、风险资本入股指标（仅限于第三层级的企业）、科研人员比例和主营业务比例这四个指标的影响下，该行业的后市表现出现了明显的差异。 具体而言，首先，对于第一、二层级的企业而言，家族企业性质既推高了他们的IPO价值，也助力于他们的后市表现，家族企业比非家族企业的后市表现高0.27。其次，风险资本的加入则反过来，既拉低了第三层级的企业的IPO估值，又负面影响了企业的后市表现，有风险资本加入的企业后市变现仅超越市场0.03，而无风险资本入股企业则可以超越市场0.28。再次，唯一显著影响后市表现的科研指标——科研人员比例反映，少科研人员占比的TMT和互联网企业的后市表现优于多科研人员占比的企业0.17。最后，主营业务占比显示，该行业主营业务集中高的企业，后市超额收益明显更高，可见该指标前50%的企业超越了市场0.24的收益，而后50%的企业只是和市场持平。 五.结论与建议从我们的实证分析可以发现，TMT和互联网行业的估值和后市表现受非财务指标影响的复杂性，但这里面也存在着一致性： 第一，家族企业指标能对TMT和互联网行业第一、二层级企业的估值和后市表现都产生正效应，主要因为家族企业的决策更为保守，而该市场竞争较为激烈，这样的决策风格有利于其在市场上的生存。第二，风险资本入股指标能对该行业第三层级企业的估值和后市表现都产生着负作用，因为根据我国的事实经营，市场预期风险资本入股的企业在风险资本撤掉的时候股票价值出现较大的下跌，从而使得这部分企业的估值下降，后市表现弱于无风险资本入股的同行业企业。第三，科研指标对该行业的估值要么是产生负效应，要么几乎产生零影响，而且科研人员占比大的企业后市表现还逊于少的企业；其中主要因为该行业的技术水平和国际差距较大，即使开发技术，往往还不如直接引进，而且我国产权保护力度远远不够，使得市场预期企业开发技术只是性价比较低的行为。 基于本文的研究，对该行业的资产配置提出以下建议： 首先，投资于该行业，要密切关注企业的非财务指标。无论是TMT和互联网企业的估值还是后市表现，都与非财务指标有着密切相关。股票市场的资源配置往往关心最多的是企业的财务数据，但是企业的股票估值和收益是由整个市场来决定的，但所有投资者不会只根据财务数据而去影响股市，所以只靠企业的财务数据，分析结果很容易出现偏颇。非财务指标是企业盈利的调整指标，也应不可忽视。 其次，对非财务指标的作用需要清楚市场的反应。例如在TMT和互联网这个高新技术的行业中，科研能力无疑是很重要的，但是科研指标负面影响或较弱影响了企业在股市中的估值和后市表现。这违反了多数人的直觉，但是放在我国现有技术水平的背景下，这个结果就显得有一定的合理性。所以在逻辑存在多个可能性的情况下，后验式看待非财务指标更合理。 最后，家族企业和风险资本是影响TMT和互联网行业估值和后市表现的关键指标。从本文的结果的可以看到，如果要投资于该行业的企业，那么首先关注的非财务指标必然是该企业是否为家族企业，是否有风险资本入股，家族企业会让该行业的第一、二层级具有更高估值，而风险资本入股的第三层级企业则应该注意，其估值和后市表现都强差人意。 参考文献： [1] Klein, A., The Association between the Information Contained in the Prospectus and the Price of Initial Public Offerings[J]. Journal of Financial Statement Analysis, 1996,(2):.229-257. [2] Rajgopal, S., Venkatachalam, M., Kotha, S., The Value Relevance of Network Advantages: the Case of E-commerce Firms[J], Journal of Accounting Research, 2003,(41):135-162. [3] 蒋国云，薛斐. 公司治理对上市公司估值影响的实证研究[J]. 世界经济情况，2005，（15）：24-30. [4] 李曜，张子炜. 私募股权、天使资本对创业板市场IPO抑价的不同影响[J]. 财经研究，2011，（8）：113-124. [6] Brav, A., Gompanies, P.A., Myth or Reality? The Long-Run Underperformance of Initial Public Offering from Venture and Nonventure Capital-Backed Companies[J]. Journal of Finance, 1997,(5):1791-1821. [7] 江洪波. 解读IPO价格行为“异象”——基于行为金融模型和有效市场假说的分析[J]. 价格理论与实践，2007，（4）：64-65. [8] 王春峰，罗建春. 我国股票IPOs长期弱势现象的实证研究[J].南开经济研究，2002,(3):25-30. [9] 丁松良. 中国新股长期走势实证研究[J].南开经济研究，2003,(3):55-62. [10] Megginson, W.L., Weiss, K.A., Venture Capitalist Certification in Initial Public Offerings[J]. The Journal of Finance, 1991,(46):879-903. [11] 王月溪，庄尹波. 我国IPO定价多因素模型设计实证研究 [J]. 哈尔滨商业大学学报（社会科学版），2010,(4):3-8.（完） 文章来源：《宏观经济研究》2013年12期（本文仅代表作者观点） 本篇编辑：何雅婷
关注巴曙松研究员“百度百家”专栏（网址：http://bashusong.baijia.baidu.com），请点击底部“阅读原文”链接。 |
|
|
